Video VIP Pro은(는) 무엇을 하나요?
원본 영상을 입력하면 한 번에 프리미엄 편집 결과물이 나옵니다. 그 후에는 사용자가 짧은 프롬프트("문장 3 효과 변경", "색상 주황색", "VHS 제거", "글자 크게")로 조정하며, 모든 편집은 작은 빌드 스크립트에서 재구성됩니다.
스크립트는 이 파일과 같은 디렉토리의 scripts/에 있습니다. 다음과 같이 실행합니다: python -X utf8 <skill>/scripts/<name>.py. 초기 설정은 setup.ps1(Windows) 또는 setup.sh이며, scripts/get_sfx.py도 실행하여 트렌드 SFX 팩(약 130개의 Mixkit 사운드, 19개 패밀리)을 이 컴퓨터에 다운로드합니다. 명령어가 모듈이나 글꼴 누락으로 실패하면 설정을 다시 실행하세요.
읽어야 할 파일
| 시점 | 읽을 파일 |
|---|---|
| 계획하기 전에 항상 | references/edit_brain.md (크리에이티브 패스, 7가지 편집 스타일, 다양성 규칙, 트렌드 사운드 디자인) + references/style.md (모든 효과 + 소품, 카메라, 테마) |
| 비즈니스에 맞는 효과/색상 선택 시 | references/industries.md의 해당 행 |
| 계획 필드가 확실하지 않을 때 | references/plan.md (전체 스키마) grep |
| 토킹헤드가 아닌 장르(몽타주, 슬라이드쇼, 튜토리얼, 팟캐스트) | references/recipes.md의 해당 섹션 |
| 빌더 시작 시 | templates/build_vip.py 복사 |
원클릭 작업 흐름 (결과를 크게 바꾸는 선택이 아니라면 질문하지 말고 모두 수행)
-
브리핑. 다음을 추론합니다:
- 산업: 말하거나 보이는 정보로부터.
- 테마:
- 사용자가 지정한 색상이 있으면 그 색상;
- 없으면 브랜드 색상(로고, 간판, 유니폼);
- 없으면 산업 기본값.
- 화면 비율: 소스가 가로이고 YouTube용이 아니라면 9:16.
- 길이: 모든 좋은 문장은 유지.
사용자가 관련 없는 여러 파일을 힌트 없이 제공한 경우에만 질문합니다.
-
시청.
analyze.py SRC --every 2를 실행하고 시트를 읽습니다. 다음을 확인:- 얼굴 위치: 이것이
FACE가 됩니다; - 빈 공간 위치;
- 화면에 고정된 텍스트;
- 셔츠 색상(가슴 텍스트가 읽기 쉬워야 함).
- 얼굴 위치: 이것이
-
전사.
transcribe.py SRC --prompt "<브랜드, 제품, 이름>"을 실행합니다. 그런 다음.transcript.json을 교정합니다:- 잘못 들은 단어를 수정하되, 가능하면 단어 수 유지;
- 가격은 베트남식으로 작성: "8.190.000đ" 또는 "8,19 triệu".
-
문장 선택. 유지할 각 문장에 대해 하나의 항목으로
edited/cuts.json을 순서대로 작성:- 재촬영(더 나중에 깔끔한 테이크 유지), 잘못된 시작, "cắt nhé", 무음을 제거;
- in = 첫 단어 −0.08초, out = 마지막 단어 +0.15초; "transcripts"(소스 .transcript.json 파일)를 추가하여 aroll.py가 캡션 및 사운드 브레인용 aroll.transcript.json도 작성하도록 함.
그런 다음
aroll.py edited/cuts.json -o edited/aroll.mp4 --speed 1.1를 실행합니다. 그러면 단일 립싱크 안전 A-roll과 문장 시작 시간을 담은aroll.json이 생성됩니다. -
빌드. 먼저
references/edit_brain.md의 크리에이티브 패스를 수행합니다. 편집 스타일, 3가지 모티프, 리듬 맵을 선택한 다음 스토리보드 테이블을 작성합니다. 이전 비디오의 시퀀스를 재사용하지 마십시오.templates/build_vip.py를edited/에 복사하고 내용을 채웁니다:THEME,FACE,CAP_Y설정;- 각 문장에
cap(i, top, text)제공; - 각 문장에 카메라 움직임(
cam) 제공, 문장 0에는 HOOK, 2-3개의 가장 중요한 키워드에는 SNAP 또는 EMPH, 나머지에는 PUSH / PUNCH / PULL을 번갈아 사용; - 3-5초마다 하나의 VIP 효과를 추가합니다. 산업 행에서 선택하고 효과 이름을 나타내는 단어에 배치(가격은
CountUp유발, "3 điều"는NumberList유발, "đau đầu"는Cracks유발); - 사운드 브레인을 켭니다(
"sound_design": {"style": "trend", "brain": {...}}, edit_brain.md §4a 참조): 효과 사운드는 화면을 따르고, 스토리 사운드는 단어를 따릅니다. 그런 다음sound_brain.py의 제안을 읽고 의미를 더하지 않는 것은 제거합니다; - 이전에는
"sound_design": "trend"가 의미했던 것: 모든 효과에 트렌드 팩의 레이어된 사운드가 자동으로 추가되므로, 스토리를 전달하는 경우에만 수동으로 사운드를 추가합니다(리빌 전 라이저, 펀치라인 전 침묵); - 분당 2-4개의 프로스트 장면 추가;
- CTA로 마무리.
-
렌더링.
build_vip.py를 실행한 다음render.py plan_vip.json --draft를 실행합니다. 2분 이상 렌더링은 백그라운드에서 실행됩니다. 각 모션 항목의 첫 번째 렌더링은 3-5초가 소요되며, 인물 매팅은 효과 1초당 약 1초가 소요됩니다. -
자체 출력 확인.
analyze.py <draft> --every 1을 실행하고 모든 시트를 읽습니다. 다음을 확인:- 텍스트가 잘리거나 얼굴을 가리는 경우;
- 효과가 잘못된 단어에 위치한 경우;
- 이 테마에 대해 읽을 수 없는 색상;
- 검은색 또는 정지 프레임;
- −14 LUFS에서 벗어난 음량.
빌더를 수정하고 다시 렌더링합니다. 세그먼트 및 모션 캐시 덕분에 빠릅니다. 문제당 최대 3회 반복합니다.
-
최종.
render.py plan_vip.json(--draft없이)을 실행합니다. -
전달. MP4를 전송합니다(
SendUserFile사용 가능한 경우). 그런 다음:- 3-5줄 요약 제공: 길이, 테마, 사용된 효과와 해당 문장, 추측한 내용;
- VIP 에디터를 백그라운드에서 시작:
python -X utf8 <skill>/editor/server.py edited/plan_vip.json, 사용자가 드래그, 시간 조정, 다시 입력, 색상 변경을 수동으로 0 토큰으로 할 수 있도록 합니다.
혼합 음성. 비디오가 카메라 앞에서 말하는 음성과 내레이터 음성을 혼합하는 경우, scripts/voice_match.py를 실행하여 둘 다 하나의 음성처럼 들리도록 합니다(references/edit_brain.md §5 참조). 내레이터만 사용하기로 결정하기 전에 모든 클립에서 카메라 앞에서의 좋은 대사를 스캔합니다(모두 한 번에 전사).
프롬프트로 세부 조정 (첫 번째 편집 후)
-
항상
build_vip.py를 편집하고, 생성된 계획은 편집하지 마십시오. 사용자가 VIP 에디터에서 변경했다고 말한 경우, 먼저plan_vip.json을 다시 읽고 계획을 직접 편집하십시오. 재빌드 시 수동 편집이 손실되기 때문입니다. 어떤 접근 방식을 취하는지 사용자에게 알리십시오. -
요청을 편집에 매핑:
요청 편집 "đổi màu …" THEME"câu N …" 문장 N의 블록 "bỏ / thêm hiệu ứng X" 해당 motion(...)/layer(...)줄 삭제 또는 추가"chữ to / nhỏ" size"chữ thấp / cao" CAP_Y또는y"zoom nhiều / ít" cam/cycle움직임"nhạc khác" MUSIC"nhanh hơn" aroll.py --speed(그런 다음 재빌드) -
전체 렌더링 전에 확인: 변경된 범위에 대해서만
render.py plan_vip.json --preview A-B를 실행하고 확인한 후 전체 렌더링을 한 번 수행합니다.
품질 규칙
- 캡션. 각 구문에 하나의
BlueText를 사용하여 일반 자막을 대체합니다. 한 줄에 최대 하나의**keyword**를 사용합니다. 실제 영상에는tone: "video"를 사용하고, 밝은 프로스트에는tone: "light"를 사용합니다. - 깨끗한 프레임. 캡션 외에 화면에 최대 하나의 다른 요소만 유지합니다. 얼굴을 절대 가리지 마십시오. 9:16에서는 텍스트를 상단 10%와 하단 20% 밖에 배치하지 마십시오.
- 카메라. 3-6초마다 하나의 카메라 이벤트. 큰 움직임(SNAP, EMPH)은 10초에 최대 한 번.
- 팝아웃 크롭.
popout크롭은 턱 아래에서 시작해야 합니다. 그렇지 않으면 머리가 돌파하지 못합니다. - 정직성. 영상이나 사용자 메시지에 있는 가격, 사양, 이름, 인용문만 사용합니다.
- 라이선스 미디어만 사용. 번들된 합성 SFX, 사용자 자체 파일, 또는 로열티 프리 음악만 사용합니다. 저작권이 있는 노래나 재업로드된 클립은 절대 사용하지 마십시오.
환경 참고 사항
- Python 및 Node. Python 3.10+ 및
requirements.txt(faster-whisper, rembg, onnxruntime, opencv, numpy, fonttools, Pillow, edge-tts)와 Node 18+가motion/에 필요합니다.motion/내에서npm ci를 실행합니다(설정 시 수행). - FFmpeg. libass가 포함된 전체 빌드여야 합니다.
- GPU.
- NVIDIA GPU는 Whisper 및 NVENC 인코딩을 가속화합니다.
- GPU가 없으면 Whisper가 CPU에서 실행됩니다. 속도를 위해
--model small을 사용하십시오. - rembg는 사용 가능한 경우 DirectML 또는 CUDA를 사용합니다.
- 글꼴. Be Vietnam Pro 및 Playfair Display가
assets/fonts및motion/public/fonts에 번들되어 있습니다. - Windows 인쇄. 임시 스니펫에서 베트남어를 인쇄하기 전에
PYTHONIOENCODING=utf-8을 설정하십시오. - 캐시.
<plan>_work/디렉토리에 있습니다. 캐시가 손상된 경우에만 해당 폴더를 삭제하십시오.
문제 해결
- 모션 컴포넌트가 빈 프레임을 렌더링함:
motion/render_motion.py COMP '<props>' --duration 2 --still 1 -o x.png로 스틸을 렌더링하고 확인하십시오. - 매트에 잘못된 사람(벽의 로고 또는 포스터):
popout"head": [x, w]를 사용하여 돌파할 수 있는 열을 제한하거나, 더 조용한 순간을 선택하십시오. - 컷 후 사운드 밀림: 여러 토킹 클립을 세그먼트별로 연결하지 마십시오. 항상
aroll.py를 통해 진행하십시오. - "sound effect not found": 레시피 이름이 내장 사운드에 매핑됩니다(
render.py의SFX_ALIASES참조). 자체name.mp3를assets/sfx/에 넣어 재정의할 수 있습니다. - 스크립트가 할 수 없는 효과: 직접 ffmpeg 명령어로 렌더링하거나,
motion/src/blue/에T('…')로 색상을 감싼 새 컴포넌트를 작성한 후 계획에서 사용하십시오.